A New Model for Array Spatial Signature for Two-Layer Imaging With Applications to Nondestructive Testing Using Ultrasonic Arrays
Notice bibliographique
Résumé
Imaging multilayer materials is a common challenge in seismology, medical diagnosis, and nondestructive testing. One of the applications of multilayer imaging is ultrasonic immersion test where the material under test and the transducer array are immersed in water. The main imaging challenge in immersion test (or in imaging any multilayer medium) is that since the sound wave propagates with different speeds in different layers of a multilayer medium, such a medium cannot be assumed homogenous. As a result, calculating the sound travel time for the received signal due to backscattering from such a nonhomogenous medium is not as straightforward as in the case of homogenous materials. In this paper, we propose a new model for the array spatial signature which can be used in frequency-domain algorithms that are used for imaging a two-layer medium when an array of transducers is utilized. To do so, we model the interface between the two layers as a spatially distributed source which consists of infinite number of point sources. Then, we use this model to develop a new array spatial signature for any point inside the second layer of a two-layer medium. This new array spatial signature can be used for multilayer ultrasonic imaging in frequency-domain imaging techniques including the conventional beamforming technique, the MUSIC method, and the Capon algorithm. Numerical simulations as well as experimental data are used to examine the accuracy of the proposed model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».